
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
در دهۀ گذشته فناوری خیلی عوض شده است. داده داغ است، ابر همهجا هست، و بسیاری از سازمانها به نوعی اتوماسیون نیاز دارند. در میان این دگرگونیها، پایتون به یکی از محبوبترین زبانهای دنیا تبدیل شده است. این منبع کاربردی نشان میدهد چطور با پایتون کارهای روزمرۀ مدیریت سیستمهای لینوکس را با مفیدترین ابزارهای دواپس امروز انجام دهید؛ از جمله داکر، کوبرنتیز و ترافورم.
یادگیری تعامل و اتوماسیون با لینوکس برای میلیونها متخصص ضروری است. پایتون این کار را خیلی سادهتر میکند. با این کتاب یاد میگیرید چطور با کانتینرها نرمافزار بسازید و مسئله حل کنید، و همچنین چطور نرمافزارتان را پایش کنید، ابزارگذاری کنید، آزمون بار بدهید و عملیاتی کنید. دنبال راههای مؤثر برای «کار را پیش بردن» با پایتون هستید؟ این همان راهنمای شماست.
• مبانی پایتون، از جمله معرفی کوتاهی از زبان
• چطور متن را خودکار کنید، ابزار خط فرمان بنویسید و فایلسیستم را خودکار کنید
• ابزارهای لینوکس، مدیریت بسته، سیستمهای ساخت، پایش و ابزارگذاری، و تست خودکار
• رایانش ابری، زیرساخت بهعنوان کد، کوبرنتیز و سرورلس
• عملیات یادگیری ماشین و مهندسی داده از نگاه دواپس
• ساخت، استقرار و عملیاتیسازی یک پروژۀ یادگیری ماشین
Much has changed in technology over the past decade. Data is hot, the cloud is ubiquitous, and many organizations need some form of automation. Throughout these transformations, Python has become one of the most popular languages in the world. This practical resource shows you how to use Python for everyday Linux systems administration tasks with today’s most useful DevOps tools, including Docker, Kubernetes, and Terraform.Learning how to interact and automate with Linux is essential for millions of professionals. Python makes it much easier. With this book, you’ll learn how to develop software and solve problems using containers, as well as how to monitor, instrument, load-test, and operationalize your software. Looking for effective ways to "get stuff done" in Python? This is your guide.• Python foundations, including a brief introduction to the language• How to automate text, write command-line tools, and automate the filesystem• Linux utilities, package management, build systems, monitoring and instrumentation, and automated testing• Cloud computing, infrastructure as code, Kubernetes, and serverless• Machine learning operations and data engineering from a DevOps perspective• Building, deploying, and operationalizing a machine learning project